WSN中基于分布式机器学习的异常检测仿真研究

• 作者: 李庆华 肖政宏 陈志刚
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 无线传感器网络 分布式机器学习 K-最近邻分簇 贝叶斯分类 异常检测 网络仿真
• 年，卷（期）: 2011,（1）
• 页码范围: 181-187
• 分类号: TP393.08
• 语种: 中文

摘要

安全问题是无线传感器网络应用的关键问题之一.设计了一种基于分布式机器学习的异常检测方案.该方案利用K最近邻算法对传感器网络节点进行分簇,对簇内节点的异常检测采用贝叶斯分类算法,对簇头节点的异常检测采用基于平均概率的方法.利用网络仿真工具Ns2构建了入侵检测规则、模拟了网络攻击场景,在此基础上,通过仿真评估了方案的检测率、平均检测率、误检率和平均误检率等性能.仿真实验结果表明,该方案与当前典型的无线传感器网络入侵检测方案相比具有较高的检测率和较低的误检率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈志刚	中南大学信息科学与工程学院	517	4717	33.0	48.0
2	李庆华	中南大学信息科学与工程学院	25	187	8.0	13.0
3	肖政宏	中南大学信息科学与工程学院	13	54	4.0	7.0